江苏四市政府绩效评估指标挖掘结果-甘肃行政学院.docVIP

江苏四市政府绩效评估指标挖掘结果 尚虎平 （1.兰州大学 管理学院，兰州　730000；2.科技部 中国科学技术信息研究所，北京 100038） 【摘　要】 在数据仓库基础上，本研究利用RBF神经网络“软聚类”挖掘出了在特定支持度下的10个一级指标，即经济发展、公民满意、人民生活改进、社会和谐、可持续发展、公共服务、内部过程、电子政务、人的发展、廉洁行政；在一级指标的基础上，进而利用BIRCH硬聚类思想，分层挖掘出了在特定支持度下的30个二级指标，即经济增长、产业协调、经济结构协调、抽象行政行为满意、具体行政行为满意、服务态度满意、生活改善、生活负担、参与机会、社会公平、社会救助、社会保障、生态建设、环境治理、低碳普及、科技文化发展、基础设施供给、保障性服务、人员素质、组织结构、管理流程、信息的丰富度、信息的及时度、反馈处理度、人口结构、教育程度、健康程度、实体性腐败、工作作风、行政效率等；在三级指标的基础上，仍然采用BIRCH分层硬聚类，产生了90个三级指标。在结果之外，我们还对三级指标进行了合用性丰富，为每个指标提供了未来实践评估中可以把我的指标标准，这使得这套指标可以被直接用之于政府的日常绩效评估中。 【关键词】 数据挖掘；地方政府绩效评估；评估指标；挖掘结果；评估标准 【中图分类号】D035　 【文献标识码】A　　 【文章编号】1009-4997（2013）01-0010-15 收稿日期：2013－01－16 作者简介：尚虎平（1974-），男，甘肃平凉人，兰州大学管理学院副教授，科技部中国科学技术信息研究所博士后，管理学博士，研究方向：政府绩效评价。 基金项目：本文是国家社科基金重大项目（编号:11ZD057）、国家教育部人文社会科学研究青年项目（编号：09YJC630126）和国家自然科学基金（编号的阶段性成果。 　　前文已经提及，① [1-3]我们将专辟一文进行指标挖掘结果的展示，本文就是完成这项工作的。在呈现数据挖掘结果的过程中，我们按照挖掘顺序依次对一级指标、二级指标和三级指标进行展示，在此基础上，还要对三级指标进行合用性丰富，这虽然不属于数据挖掘的研究范围，却是构建“科学性、合用性”的指标体系所不可少的，只有这样指标体系才具有实践操作性。 一、一级指标挖掘结果 本研究为了直观起见，采用了提升图的方式来展示我们采用RBF神经网络挖掘出的政府绩效评估指标域，也就是10个一级指标情况，同时我们也采取了Microsoft SQL Server 2005数据表作为后台输出结果，以着手展开BIRCH聚类挖掘，以消弭神经网络的“过拟合”问题。 图1 指标域（一级指标）的聚类簇 （一）指标提升图与指标细况 图1是挖掘过程结束之后形成的一级指标的数据提升图。在该聚类提升图中，神经网络自动形成了在特定支持度（横坐标）下赋权（纵坐标）聚类的10个簇，这10个簇内部均包含若干个内部指标（三级）②，这些簇包含内容过多，如Cluster1包含了2021项内容，提升图无法将他们一一显示出来。我们采取了将其以Microsoft SQL Server Management Studio的数据表的方式表示输出。这10个簇就是我们所挖掘出的指标域，也就是一级指标集合。与主成分分析（Principal Component Analysis）和因子分析（Factor Analysis）法一样，这些簇是基于共同特征而聚集到一起，但并不自然生成簇名，其名称还需要提取本簇内的主要属性命名。根据软件提示的属性特征，我们将这些簇分别命名为“经济发展”、“公民满意”、“人民生活改进”、“社会和谐”、“可持续发展”、“公共服务”、“内部过程”、“电子政务”、“人的发展”、“文化促进”，它们就是我们所寻求的一级指标，它们的支持度和指标值（权重）等详细情况如图2所示，其中“支持度”如前文所述，代表在此概率下数据挖掘成立的可能性，它类似于统计学上的置信度，用百分比（%）表示；“簇”是软件聚类的自动提示；“命名”是我们按照特征属性为这个一级指标定的名称：“值（权）”就是指示的权重。 [4](P149)  公务员退休后平均月财政拨付性收入与一般工薪阶层退休后工资比率（0.0128） 人均GDP增长率（0.0699） 经济增长（0.1400） 人均财政收入增长率（0.0410） 政府债务占GDP的比率（0.0291） 93.0% 92.2% 91.7% 第一、二、三产业产值比例和谐度（0.0273） 0.0410） 第二、三产业每年新注册企业增加率（0.0223） 非公企业占总产值比例（0.0211） 公有企资产保值增值率（0.0237） 区域差异率（0.0197） 对地方法规的满意度（0.0077） 对地方政策的满意度（0.